論文の概要: One-Frame Calibration with Siamese Network in Facial Action Unit Recognition
- arxiv url: http://arxiv.org/abs/2409.00240v1
- Date: Fri, 30 Aug 2024 20:20:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 16:18:33.947308
- Title: One-Frame Calibration with Siamese Network in Facial Action Unit Recognition
- Title（参考訳）: 顔行動単位認識におけるシームズネットワークを用いた一フレーム校正
- Authors: Shuangquan Feng, Virginia R. de Sa,
- Abstract要約: 我々はAU認識のためのCalibrating Siamese Network (CSN) を開発した。
CSN-IR50モデルはIR50の性能を大幅に向上させることを示す。
- 参考スコア（独自算出の注目度）: 1.9260081982051909
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Automatic facial action unit (AU) recognition is used widely in facial expression analysis. Most existing AU recognition systems aim for cross-participant non-calibrated generalization (NCG) to unseen faces without further calibration. However, due to the diversity of facial attributes across different identities, accurately inferring AU activation from single images of an unseen face is sometimes infeasible, even for human experts -- it is crucial to first understand how the face appears in its neutral expression, or significant bias may be incurred. Therefore, we propose to perform one-frame calibration (OFC) in AU recognition: for each face, a single image of its neutral expression is used as the reference image for calibration. With this strategy, we develop a Calibrating Siamese Network (CSN) for AU recognition and demonstrate its remarkable effectiveness with a simple iResNet-50 (IR50) backbone. On the DISFA, DISFA+, and UNBC-McMaster datasets, we show that our OFC CSN-IR50 model (a) substantially improves the performance of IR50 by mitigating facial attribute biases (including biases due to wrinkles, eyebrow positions, facial hair, etc.), (b) substantially outperforms the naive OFC method of baseline subtraction as well as (c) a fine-tuned version of this naive OFC method, and (d) also outperforms state-of-the-art NCG models for both AU intensity estimation and AU detection.
- Abstract（参考訳）: 顔表情分析において、自動顔動作ユニット(AU)認識が広く用いられている。
既存のAU認識システムは、より多くのキャリブレーションを伴わずに顔が見えないように、NCG (cross-Participant non-calibrated generalization) を目標としている。
しかし、顔の属性の多様性のため、目に見えない顔の単一の画像から正確にAUのアクティベーションを推測することは、人間の専門家にとっても時には不可能である。
そこで我々は,AU認識における一フレームキャリブレーション(OFC)を提案する。各顔に対して,その中性表現の1つの画像が校正の基準画像として使用される。
この戦略により、AU認識のためのCalibrating Siamese Network(CSN)を開発し、単純なiResNet-50(IR50)バックボーンでその顕著な効果を示す。
DISFA, DISFA+ および UNBC-McMaster データセットについて、我々の OFC CSN-IR50 モデルを示す。
(a)顔特性バイアス(しわによる偏り、額面の位置、顔毛などを含む)を緩和することにより、IR50の性能を大幅に向上させる。
b) ベースラインサブトラクションのNaive OFC法を著しく上回り、また、
(c)このnoive OFCメソッドの微調整版及び
また, AU 強度推定と AU 検出の両方において,最先端の NCG モデルよりも優れていた。
関連論文リスト
- CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial
Expression Recognition [80.07590100872548]
本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。
CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
論文 参考訳（メタデータ） (2022-08-10T15:46:05Z) - Heterogeneous Face Recognition via Face Synthesis with
Identity-Attribute Disentanglement [33.42679052386639]
Heterogeneous Face Recognition (HFR)は、異なるドメインの顔にマッチすることを目的としている。
FSIAD (Face Synthesis with Identity-Attribute Disentanglement) という新しいHFR手法を提案する。
FSIADは顔画像をアイデンティティ関連表現とアイデンティティ非関連表現(属性と呼ばれる)に分離する
論文 参考訳（メタデータ） (2022-06-10T03:01:33Z) - Blind Face Restoration: Benchmark Datasets and a Baseline Model [63.053331687284064]
Blind Face Restoration (BFR) は、対応する低品質 (LQ) 入力から高品質 (HQ) の顔画像を構築することを目的としている。
EDFace-Celeb-1M (BFR128) と EDFace-Celeb-150K (BFR512) と呼ばれる2つのブラインドフェイス復元ベンチマークデータセットを最初に合成する。
最先端の手法は、ブラー、ノイズ、低解像度、JPEG圧縮アーティファクト、それらの組み合わせ(完全な劣化)の5つの設定でベンチマークされる。
論文 参考訳（メタデータ） (2022-06-08T06:34:24Z) - Generalized Visual Quality Assessment of GAN-Generated Face Images [79.47386781978531]
GAN生成顔画像(GFI)の汎用品質評価に向けた主観的・客観的品質の検討
我々は、利用可能なGANアルゴリズムと見えないGANアルゴリズムの両方から、GFIの正確な品質予測を可能にする品質評価モデルを開発する。
論文 参考訳（メタデータ） (2022-01-28T07:54:49Z) - Exploring Adversarial Learning for Deep Semi-Supervised Facial Action
Unit Recognition [38.589141957375226]
一部AU標識顔画像からの顔動作単位認識のための深層半教師付きフレームワークを提案する。
提案手法は、逆学習によりAU分布を捕捉し、最先端のAU認識作業より優れる。
論文 参考訳（メタデータ） (2021-06-04T04:50:00Z) - On the Applicability of Synthetic Data for Face Recognition [19.095368725147367]
国境管理の一部として収集された顔画像の使用は、欧州一般データ保護法によって制限され、当初の目的以外は処理されない。
本論文では,StyleGANとStyleGAN2で生成する合成顔画像の適合性を検討し,公的に利用可能な大規模テストデータの不足を補う。
論文 参考訳（メタデータ） (2021-04-06T22:12:30Z) - Identity-Aware CycleGAN for Face Photo-Sketch Synthesis and Recognition [61.87842307164351]
まず,画像生成ネットワークの監視に新たな知覚損失を適用したIACycleGAN(Identity-Aware CycleGAN)モデルを提案する。
眼や鼻などの重要な顔領域の合成により多くの注意を払うことで、フォトエッチング合成におけるサイクガンを改善する。
IACycleGANによる画像の合成を反復的に行う合成モデルと認識モデルとの相互最適化手法を開発した。
論文 参考訳（メタデータ） (2021-03-30T01:30:08Z) - Multi-Metric Evaluation of Thermal-to-Visual Face Recognition [3.0255457622022486]
我々は、機械学習を用いて、赤外線画像から視覚スペクトル面を合成する異種・横断的な顔認識の課題に対処することを目的とする。
我々は、顔画像合成にGAN(Geneversarative Adrial Networks)を使用する能力について検討し、これらの画像の性能を事前学習した畳み込みニューラルネットワーク(CNN)を用いて検討する。
CNNを用いて抽出した特徴を顔認証と検証に応用する。
論文 参考訳（メタデータ） (2020-07-22T10:18:34Z) - On Improving the Generalization of Face Recognition in the Presence of
Occlusions [13.299431908881425]
Occlusion-aware face RecOgnition (OREO) アプローチは, 咬合の有無に関わらず, 識別的顔テンプレートを学習した。
OREOは、顔認識の一般化能力を1画像ベースで(10.17%)改善した。
論文 参考訳（メタデータ） (2020-06-11T20:17:23Z) - Dual-Attention GAN for Large-Pose Face Frontalization [59.689836951934694]
本稿では,フォトリアリスティック顔フロンダル化のためのDA-GAN(Dual-Attention Generative Adversarial Network)を提案する。
具体的には、ローカル機能と長距離依存関係を統合するために、自己アテンションベースのジェネレータが導入された。
顔領域の局所的特徴を強調するために,新しい顔認識に基づく識別器を適用した。
論文 参考訳（メタデータ） (2020-02-17T20:00:56Z) - Joint Deep Learning of Facial Expression Synthesis and Recognition [97.19528464266824]
顔表情の合成と認識を効果的に行うための新しい統合深層学習法を提案する。
提案手法は, 2段階の学習手順を伴い, まず, 表情の異なる顔画像を生成するために, 表情合成生成対向ネットワーク (FESGAN) を事前訓練する。
実画像と合成画像間のデータバイアスの問題を軽減するために,新しい実データ誘導バックプロパゲーション(RDBP)アルゴリズムを用いたクラス内損失を提案する。
論文 参考訳（メタデータ） (2020-02-06T10:56:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。